Pandas：为啥在布尔索引后需要双括号来选择列

Posted 2023-02-24

【中文标题】Pandas：为啥在布尔索引后需要双括号来选择列

【英文标题】：Pandas: Why are double brackets needed to select column after boolean indexingPandas：为什么在布尔索引后需要双括号来选择列

【发布时间】：2016-01-29 19:36:02

【问题描述】：

对于像下面这样的 df 表，

   A B C D
0  0 1 1 1
1  2 3 5 7
3  3 1 2 8

为什么在布尔索引后选择特定列需要双括号？

the [['A','C']] part of

df[df['A'] < 3][['A','C']]

【参考方案1】：

对于pandas对象（Series、DataFrame），索引操作符[]只接受

colname 或选择列的列名列表 切片或布尔数组来选择行，即它只引用数据帧的一维。

对于df[[colname(s)]]，内括号是列表，外括号是索引运算符，即如果选择两列或多列，则必须使用双括号。对于一个列名，单对括号返回一个系列，而双括号返回一个数据框。

此外，df.ix[df['A'] < 3,['A','C']] 或 df.loc[df['A'] < 3,['A','C']] 比链式选择更能避免返回副本而不是数据框的视图。

详情请咨询pandas documentation

【讨论】：

谢谢。我将选择这个，因为它详细介绍了外部支架的用途，这让我感到困惑。正如你们都提到的，我将开始使用 .ix，这对我来说更有意义/读起来更好。

【参考方案2】：

因为您没有名为 'A','C' 的列，而这正是您尝试执行的操作，这将引发 KeyError，因此您必须使用可迭代对象从 df 中进行子选择。

所以

df[df['A'] < 3]['A','C']

加注

KeyError: ('A', 'C')

与

不同

In [261]:
df[df['A'] < 3][['A','C']]

Out[261]:
   A  C
0  0  1
1  2  5

这与尝试没有什么不同：

df['A','C']

因此你需要双方括号：

df[['A','C']]

请注意，现代方式是使用.ix：

In [264]:
df.ix[df['A'] < 3,['A','C']]

Out[264]:
   A  C
0  0  1
1  2  5

这样您是在视图上操作而不是潜在的副本

【讨论】：

谢谢。当把它放在 .ix 形式时，它更有意义。我被双括号的意思吓坏了。

【参考方案3】：

因为内括号只是列表的 Python 语法（字面量）。

外括号是pandas dataframe对象的索引器操作。

在这个用例中，内部['A', 'B'] 定义了列列表，以将作为单个参数传递给索引器操作，用外括号表示。

【参考方案4】：

除了之前的响应，如果您需要选择索引位置，还可以使用df.iloc 访问器。它还使代码更具可重复性，这很好。